GUA DE ESTUDIO

LGEBRA LINEAL

Tema 4. Espacios con Producto Interno

a) El producto escalar en Cn, o producto interno usual en Cn definido por:

1) CONDICIONES PARA QUE UNA FUNCIN SEA UN PRODUCTO INTERNO Una funcin dada es un producto interno si satisface los siguientes cuatro axiomas: 1.- Simetra o conmutatividad:

(z w) = z w
donde:

1 1

+ z 2 w2 + .... + z n wn

(u v ) = ( v u )
2.- Aditividad o distributividad:

z = ( z1 , z 2 ,...., z n )
w = (w1 , w2 ,...., wn )

(u v + w) = (u v) + (u w) (u v) = (u v)
u 0

wi = Conjugado de wi.
b) En el espacio V de las funciones reales de variable real, continuas en el intervalo (a, b), la funcin ( ) definida por:

3.- Homogeneidad:

4.- Positividad:

(u u ) > 0

( f g ) = a f (x ) g (x ) dx
b

es un producto interno real

bien:

(u u ) = 0

si y slo si u = 0

( ) complejo (v u ) .

c) En el espacio V de las matrices de mn con elementos en R, el siguiente es un producto interno real:

donde v u representa el conjugado del nmero

(A B ) = tr (AT B )

para nmeros reales

NOTA: Puede haber ms de un producto interno (P.I.) en un espacio vectorial (E.V.). Por ejemplo, para los vectores x = ( x1 , x 2 ) y y = ( y1 , y 2 ) que R2, el producto interno puede ser:

d) En el espacio V de las matrices de mn con elementos en C, la siguiente funcin es un producto interno real: para nmeros complejos, y donde A representa la conjugada transpuesta de A.
*

(x y ) = x y

(A B ) = tr (A* B )

1 1

+ x 2 y 2 producto interno usual + x1 y 2 + x 2 y1 + x 2 y 2

(x y ) = 2 x y

1 1

producto interno que no es el usual (as como ste, en un espacio vectorial pueden haber ms productos internos que no son los usuales). Otros ejemplos de productos internos usuales son:

2) DESIGUALDAD SCHWARZ

DE

CAUCHY-

La Desigualdad de Cauchy-Schwarz se define mediante la siguiente expresin:

(u v)

u u v v

( )( )

DIVISIN: CIENCIAS BSICAS FACULTAD DE INGENIERA, UNAM

1 de 6

COORDINACIN: MATEMTICAS

Profra. Dra. Norma Patricia Lpez Acosta

GUA DE ESTUDIO
LGEBRA LINEAL

Tema 4. Espacios con Producto Interno

bien (en trminos de la norma):

(u v) u
donde u y v respectivamente; y producto interno

= u
bien:

( )
u
2

= u u
= u u

1/2

(u u )

( )

(u v) (u v).

son la norma de u y v , es el mdulo del Un vector es unitario cuando su norma es igual a uno: u = 1 . Adems, cualquier vector u puede convertirse en vector unitario utilizando la 1 siguiente expresin e = u. u Las propiedades fundamentales que satisface toda norma son: 1. 2. v >0 v =0 v = v u+v u + v conocida como si y slo si v = 0

El mdulo de un escalar se define como: Para nmeros complejos:

De la forma: = a + bi = a 2 + b 2 De la forma: = a bi = a 2 + b 2 Para nmeros reales: = a2 = a

3. 4.

De la forma: = a

desigualdad del tringulo La desigualdad de Cauchy-Schwarz permite determinar si dos vectores son linealmente dependientes o independientes: Si NOTA: Puesto que un E.V. puede tener ms de un P.I., un vector puede tener distintas normas dependiendo del producto interno especificado en cada caso. 4) NGULO ENTRE DOS VECTORES El ngulo entre dos vectores u y v se puede obtener mediante las siguientes expresiones: Cuando u v es un nmero real: Cos =

(u v)

= u u v v

( )( )

los vectores u y v son linealmente dependientes Si

(u v)

< u u v v

( )( )

los vectores u y v son linealmente independientes 3) NORMA DE UN VECTOR La norma de un vector se define mediante la expresin: 2 de 6

( )

(u v)
u v

NOTA: Cuando Cos = 0 = 90.

DIVISIN: CIENCIAS BSICAS FACULTAD DE INGENIERA, UNAM

COORDINACIN: MATEMTICAS

Profra. Dra. Norma Patricia Lpez Acosta

GUA DE ESTUDIO
LGEBRA LINEAL

Tema 4. Espacios con Producto Interno

cuando u v es un nmero complejo: Cos Ru v u v NOTA: Cuando Cos 0 90. NOTA: Al igual que la norma de un vector, se pueden tener distintos ngulos entre dos vectores, dependiendo del producto interno especificado en cada caso. PROPIEDADES IMPORTANTES: Si es el ngulo entre los vectores u y v , entonces: es agudo si u v > 0 .

( )

6) ORTOGONALIDAD Dos vectores u y v son ortogonales cuando su producto interno es igual a cero:

( )

(u v) = 0
Es decir, el ngulo entre ellos es: Cos =

(u v)
u v

0 u v

=0
2

= Cos 1 (0) = 90 =

( ) es obtuso si ( u v ) < 0 .

7) TEOREMA DE PITGORAS Si dos vectores u y v son ortogonales, entonces se debe cumplir que:
u+v
2

es recto ( = 90 =

) si u v = 0 . 2

( )

= u

+ v

5) DISTANCIA ENTRE DOS VECTORES La distancia entre dos vectores u y v se determina con la expresin: d u, v = u v = v u Las propiedades que satisface la distancia son: 1. d u , v 0 2. 3. 4. 8) CONJUNTO ORTOGONAL Un conjunto es ortogonal cuando cada uno de sus vectores es ortogonal a los dems vectores del conjunto. Es decir, S es un conjunto ortogonal cuando:

( )

( ) si y slo si u = v d (u , v ) = 0 d (u , v ) = d (v, u ) d (u , w) d (u , v ) + d (v, w)

(v v ) = 0
i j

i j

Pero si adems ortonormal.

vi = 1 i , el conjunto es

NOTA: La distancia entre dos vectores tambin puede variar, dependiendo del producto interno especificado en cada caso. 3 de 6

TEOREMA: Un conjunto ortogonal de vectores no nulos, es linealmente independiente.

DIVISIN: CIENCIAS BSICAS FACULTAD DE INGENIERA, UNAM

COORDINACIN: MATEMTICAS

Profra. Dra. Norma Patricia Lpez Acosta

GUA DE ESTUDIO
LGEBRA LINEAL

Tema 4. Espacios con Producto Interno

9) PROCESO DE GRAM-SCHMIDT Permite convertir un conjunto de vectores que no es ortogonal, en uno que s es ortogonal: a) Sea A = v1 , v 2
w1 = v1

w2 = v 2

} conjunto que no es
ortogonal

w3 = v3

Sea B = w1 , w2

} conjunto que se
convierte en ortogonal
w4 = v 4

Los vectores que forman el nuevo conjunto ortogonal B = w1 , w2 , se obtienen con el proceso de Gram-Schmidt a partir de las siguientes expresiones:

(v (w (v (w (v (w

2 1

3 1

4 1

) w w ) (v w ) w (w w ) (v w ) w (w w )
w1
1 1 1 1 1
1 1 1

3 2

4 2

) w w ) (v w ) w (w w )
w2
2 2
2 2 2

4 3

w3

) w w )
3

w1 = v1

Y as sucesivamente, se pueden obtener los nuevos vectores wi de un conjunto ortogonal con las siguientes expresiones generales (proceso de ortogonalizacin de Gram-Schmidt):
w1 = v1

w2 = v 2

(v w ) (w w ) w
2 1 1 1

y: wi = vi

b) Si el conjunto original tiene tres vectores: A = v1 , v 2 , v3 , los vectores que constituyen el

nuevo conjunto ortogonal B = w1 , w2 , w3 , se obtienen con las expresiones:

w1 = v1

(v (w
i 1 k =1

i k

wk

) w w )
k

w2 = v 2

w3 = v3

(v w ) (w w ) w (v w ) (v (w w ) w (w
2 1 1 1 1 3 1 1 1 1

En cualquiera de los casos anteriores, el nuevo conjunto ortogonal B = w1 , w2 ,..., wn constituye una base ortogonal, donde sus elementos son todos aquellos wi 0 .

3 2

w2

) w w )
2

Adems, es posible obtener una base ortonormal a partir de cualquier base ortogonal BOG = w1 , w2 ,..., wn , solamente convirtiendo los

vectores wi expresiones:

en vectores unitarios, con las

e1 = e2 = 1 w1 1 w2 w1

c) Si el conjunto original tiene cuatro vectores: A = v1 , v 2 , v3 , v 4 , los vectores que constituyen el nuevo conjunto ortogonal B = w1 , w2 , w3 , w4 , se obtienen con las expresiones:

w2

DIVISIN: CIENCIAS BSICAS FACULTAD DE INGENIERA, UNAM

4 de 6

COORDINACIN: MATEMTICAS

Profra. Dra. Norma Patricia Lpez Acosta

GUA DE ESTUDIO
LGEBRA LINEAL

Tema 4. Espacios con Producto Interno

en = 1 wn wn De igual manera, a partir de una base ortonormal se puede obtener el vector de coordenadas v BON . Es decir, para la base ortonormal

Siendo BON = e1 , e2 ,..., en la base ortonormal. 10) VECTOR DE COORDENADAS Con la definicin de producto interno es posible obtener un vector de coordenadas v BOG del

()

BON = e1 , e2 ,..., e3 , escribiendo la combinacin lineal:

v= 1 e1 + 2 e2 + ... + n en
y de la definicin de producto interno, se obtienen los escalares 1 , 2 , ..., n (que son las coordenadas del vector v anterior) como sigue:

()

vector v en la base ortogonal BOG . Es decir, si se escribe al vector v como combinacin lineal de los vectores de la base ortogonal BOG = w1 , w2 ,..., wn :

1 = v e1

= v 1 w1 + 2 w2 + ... + n wn
Se sabe que los escalares 1 , 2 , ..., n son las coordenadas del vector de coordenadas v

2 n

( ) = (v e ) = (v e )
2
n

( )B

as, el vector de coordenadas buscado es:

OG

buscado; las cuales se pueden obtener con las expresiones:

1 =

(v w ) (w w ) (v w ) = (w w ) (v w ) = (w w )
1 1 1

1 2 T = = 2 ... n ] . v [ 1 BON . n

()

11) COMPLEMENTO ORTOGONAL Sea V un espacio con producto interno, y sea W un subconjunto de V. Se dice que un vector v V es ortogonal al conjunto W cuando v u = 0 u W . Adems, el conjunto de

Con lo cual, el vector de coordenadas buscado se escribe: 1 2 T = v 1 2 ... n ] . [= BOG . n

( )

todos los vectores de V, ortogonales a W se denota con el smbolo W , es decir: W = v V v u = 0 u W

()

( )

DIVISIN: CIENCIAS BSICAS FACULTAD DE INGENIERA, UNAM

5 de 6

COORDINACIN: MATEMTICAS

Profra. Dra. Norma Patricia Lpez Acosta

GUA DE ESTUDIO
LGEBRA LINEAL

Tema 4. Espacios con Producto Interno

Cuando W es un subespacio de V, el conjunto W se conoce como el complemento ortogonal de W. El complemento ortogonal, tiene la propiedad de que cualquier vector v V puede expresarse en forma nica como: tienen solucin. Cuando se necesita una solucin y no existe alguna, lo que se puede hacer es encontrar un x que haga a Ax tan cercana a b como sea posible. Cuanto ms pequea sea la distancia entre b y Ax mejor ser la aproximacin. Entonces, el problema general de mnimos cuadrados consiste en encontrar un x que haga a b Ax tan pequea como sea posible.

v = wo + w'
donde wo W y w' W .

12) PROYECCIN DE UN VECTOR SOBRE UN SUBESPACIO VECTORIAL Sea V un espacio con producto interno, W un subespacio de V de dimensin finita y BON = e1 , e 2 , e3 una base ortonormal de W. Si

DEFINICIN: Si A es una matriz de orden mn y b est en Rm, una solucin por mnimos en Rn tal cuadrados del sistema Ax = b es un x que: b Ax b Ax x Rn

se tiene v V , entonces el vector:

wo =

TEOREMA DE MNIMOS CUADRADOS: Sea A una matriz de orden mn y sea b en Rm. Entonces Ax = b siempre tiene al menos una . Adems: solucin de mnimos cuadrados x es una solucin de mnimos cuadrados 1. x es una solucin de Ax = b , si y slo si x de las ecuaciones normales: = AT b AT Ax 2. A tiene columnas linealmente independientes si y slo si AT A es invertible. En este caso, la solucin de mnimos cuadrados de Ax = b es nica y est dada por: = ( AT A )1 AT b x

(v e ) e
n i i =1

se llama la proyeccin de v sobre W.

TEOREMA DE PROYECCIN: Sea V un espacio con producto interno, y sea W un subespacio de V. Para cada vector v V existe uno y slo un vector wo W tal que: v wo < v w w W , w wo

dicho vector es la proyeccin de v sobre W.

13) MNIMOS CUADRADOS El concepto de mnimos cuadrados se emplea en sistemas de ecuaciones lineales de la forma Ax = b que son inconsistentes, es decir, que no 6 de 6

DIVISIN: CIENCIAS BSICAS FACULTAD DE INGENIERA, UNAM

COORDINACIN: MATEMTICAS

Profra. Dra. Norma Patricia Lpez Acosta